机构名称：
¥ 3.0
我们提出了CombOFM，这是一种用于预测临床前研究中药物组合反应的机器学习框架，例如基于细胞系或患者衍生细胞的临床前研究。Combofm通过高阶张量建模细胞上下文特异性药物的相互作用，并有效地使用强大的分解机来学习张量的潜在因子。该方法使组合能够在预测迄今未经测试的细胞中新组合的响应时利用对类似药物和细胞进行的先前经验的信息；因此，尽管人口稠密的数据张量，它仍可以实现高度准确的预测。我们使用癌细胞系药物筛查的数据在各种预测场景中表现出了CombOFM的高预测性能。随后对一组先前未经测试的药物组合的实验验证进一步提出了CombOFM的实际且可靠的适用性。例如，我们确定了淋巴瘤细胞中的变性淋巴瘤激酶（ALK）抑制剂crizotinib和抑制剂bortezomib之间的新型协同作用。总体而言，我们的结果表明，组合提供了一种有效的手段，用于系统的药物组合预筛查以支持精度肿瘤应用。
组合：利用多路相互作用进行药物组合效应的系统预测
主要关键词
相关文件推荐
